Computational classification of animals for a highway detection system / Classificação computacional de animais para sistema de detecção nas rodovias

ABSTRACT

Vehicle-animal collisions represent a serious problem in roadway infrastructure. To avoid these roadway collisions, different mitigation systems have been applied in various regions of the world. In this article, a system for detecting animals on highways is presented using computer vision and machine learning algorithms. The models were trained to classify two groups of animals capybaras and donkeys. Two variants of the convolutional neural network called Yolo (You only look once) were used, Yolov4 and Yolov4-tiny (a lighter version of the network). The training was carried out using pre-trained models. Detection tests were performed on 147 images. The accuracy results obtained were 84.87% and 79.87% for Yolov4 and Yolov4-tiny, respectively. The proposed system has the potential to improve road safety by reducing or preventing accidents with animals.(AU)

RESUMO

As colisões entre veículos e animais representam um sério problema na infraestrutura rodoviária. Para evitar tais acidentes, medidas mitigatórias têm sido aplicadas em diferentes regiões do mundo. Neste projeto é apresentado um sistema de detecção de animais em rodovias utilizando visão computacional e algoritmo de aprendizado de máquina. Os modelos foram treinados para classificar dois grupos de animais capivaras e equídeos. Foram utilizadas duas variantes da rede neural convolucional chamada Yolo (você só vê uma vez) ­ Yolov4 e Yolov4-tiny (versão mais leve da rede) ­ e o treinamento foi realizado a partir de modelos pré-treinados. Testes de detecção foram realizados em 147 imagens e os resultados de precisão obtidos foram de 84,87% e 79,87% para Yolov4 e Yolov4-tiny, respectivamente. O sistema proposto tem o potencial de melhorar a segurança rodoviária reduzindo ou prevenindo acidentes com animais.(AU)